On Variance Estimation With Imputed Survey Data: Comment
插补调查数据的方差估计：评论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕调查抽样与插补方差估计，没有给定领域细分的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
插补调查数据的方差估计：评论
- 研究问题
- 调查中项目缺失经单次插补后，如何估计分析结果的方差，并在不永久保留额外数据集的情况下支持后续分析？
- 方法与思路
- 这篇评论介绍基于调整后插补值的jackknife方差估计及其线性化版本，讨论分层简单随机抽样和分层多阶段抽样。
- 材料陈述的贡献
- 摘要称现有jackknife和线性化程序可经修改实现相关方差估计，并明确二次分析需要项目响应状态及插补类别信息。
- 阅读关注点
- 应核对评论与被评论主文的关系、调整插补值的机制，以及不同抽样设计下方差估计所需的信息和有效性条件。
- 阅读边界
- 这是评论文献，不能冒充主论文；仅据版本未注明的索引摘要，无法判断哪些结果为新增贡献或推断刊本变化。
原文摘要
Unit nonresponse and item nonresponse both occur frequently in surveys. Unit nonresponse is customarily handled by weighting adjustment, whereas item nonresponse is usually treated by some form of imputation. In particular, deterministic or stochastic imputation is often used to assign values for missing item responses. We provide an account of some recent work on jackknife variance estimation based on adjusted imputed values, using only a single imputation and hence a single completed data set. We also present linearized versions of the jackknife variance estimators. We study both stratified simple random sampling and stratified multistage sampling. Existing computer programs for jackknife and linearization variance estimation can be modified to implement the proposed variance estimators without requiring the creation and permanent retention of supplemental data sets. But for secondary analyses, the completed data set must include information on response status for each item as well as on the imputation class.